基于粒子群算法与BP网络的机床主轴热误差建模

为了避免基于反向传播（BP）神经网络的主轴热误差模型精度低、通用性不强和收敛性较差等缺点,利用模糊聚类理论与相关分析法对温度变量进行优化,并且选取热敏感点以挖掘温度变量与热误差间的相关性,降低温度变量间的耦合性.利用粒子群优化算法（PSO）将预测输出与期望输出间误差平方和的倒数作为个体适应度函数,将个体头部分与身体部分的表现码分别映射为网络的隐含层节点数、权值和阈值,实现了对BP网络的拓扑结构的有效优化,通过跟踪个体极值和全局极值实现了粒子群个体速度与位置的更新.分别建立了基于BP和PSO-BP网络的热误差模型,以精密坐标镗床主轴为研究对象,采用五点法对高速主轴热误差进行测量.结果表明,PSO...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	上海交通大学学报 2016, Vol.50 (5), p.686-695
1. Verfasser:	马驰赵亮梅雪松施虎杨军
Format:	Artikel
Sprache:	chi
Schlagworte:	BP神经网络坐标镗床主轴模糊聚类分组热误差粒子群算法
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	695
container_issue	5
container_start_page	686
container_title	上海交通大学学报
container_volume	50
creator	马驰赵亮梅雪松施虎杨军
description	为了避免基于反向传播（BP）神经网络的主轴热误差模型精度低、通用性不强和收敛性较差等缺点,利用模糊聚类理论与相关分析法对温度变量进行优化,并且选取热敏感点以挖掘温度变量与热误差间的相关性,降低温度变量间的耦合性.利用粒子群优化算法（PSO）将预测输出与期望输出间误差平方和的倒数作为个体适应度函数,将个体头部分与身体部分的表现码分别映射为网络的隐含层节点数、权值和阈值,实现了对BP网络的拓扑结构的有效优化,通过跟踪个体极值和全局极值实现了粒子群个体速度与位置的更新.分别建立了基于BP和PSO-BP网络的热误差模型,以精密坐标镗床主轴为研究对象,采用五点法对高速主轴热误差进行测量.结果表明,PSO-BP模型可实现不同工况下主轴空间位姿状态的高精度预测,验证了测量及建模方法的有效性.
format	Article
fullrecord	<record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_669025272</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>669025272</cqvip_id><sourcerecordid>669025272</sourcerecordid><originalsourceid>FETCH-chongqing_primary_6690252723</originalsourceid><addsrcrecordid>eNpjYeA0NDAw0zUyMTPnYOAtLs5MMjA1NDYztzAz4GSwezp_15Ndfc83TXq6dsLzfUuer5v-bPPUJzv6nAKe7534fPec57Nans3Z9XRX15Mdu1_s3fK8ee2L9eufbl_3dPeuZysW8jCwpiXmFKfyQmluBiU31xBnD93kjPy89MLMvPT4gqLM3MSiyngzM0sDI1MjcyNjohQBAJwyTV4</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于粒子群算法与BP网络的机床主轴热误差建模</title><source>Alma/SFX Local Collection</source><creator>马驰赵亮梅雪松施虎杨军</creator><creatorcontrib>马驰赵亮梅雪松施虎杨军</creatorcontrib><description>为了避免基于反向传播（BP）神经网络的主轴热误差模型精度低、通用性不强和收敛性较差等缺点,利用模糊聚类理论与相关分析法对温度变量进行优化,并且选取热敏感点以挖掘温度变量与热误差间的相关性,降低温度变量间的耦合性.利用粒子群优化算法（PSO）将预测输出与期望输出间误差平方和的倒数作为个体适应度函数,将个体头部分与身体部分的表现码分别映射为网络的隐含层节点数、权值和阈值,实现了对BP网络的拓扑结构的有效优化,通过跟踪个体极值和全局极值实现了粒子群个体速度与位置的更新.分别建立了基于BP和PSO-BP网络的热误差模型,以精密坐标镗床主轴为研究对象,采用五点法对高速主轴热误差进行测量.结果表明,PSO-BP模型可实现不同工况下主轴空间位姿状态的高精度预测,验证了测量及建模方法的有效性.</description><identifier>ISSN: 1006-2467</identifier><language>chi</language><subject>BP神经网络 ; 坐标镗床主轴 ; 模糊聚类分组 ; 热误差 ; 粒子群算法</subject><ispartof>上海交通大学学报, 2016, Vol.50 (5), p.686-695</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/92944X/92944X.jpg</thumbnail><link.rule.ids>314,776,780,4010</link.rule.ids></links><search><creatorcontrib>马驰赵亮梅雪松施虎杨军</creatorcontrib><title>基于粒子群算法与BP网络的机床主轴热误差建模</title><title>上海交通大学学报</title><addtitle>Journal of Shanghai Jiaotong University</addtitle><description>为了避免基于反向传播（BP）神经网络的主轴热误差模型精度低、通用性不强和收敛性较差等缺点,利用模糊聚类理论与相关分析法对温度变量进行优化,并且选取热敏感点以挖掘温度变量与热误差间的相关性,降低温度变量间的耦合性.利用粒子群优化算法（PSO）将预测输出与期望输出间误差平方和的倒数作为个体适应度函数,将个体头部分与身体部分的表现码分别映射为网络的隐含层节点数、权值和阈值,实现了对BP网络的拓扑结构的有效优化,通过跟踪个体极值和全局极值实现了粒子群个体速度与位置的更新.分别建立了基于BP和PSO-BP网络的热误差模型,以精密坐标镗床主轴为研究对象,采用五点法对高速主轴热误差进行测量.结果表明,PSO-BP模型可实现不同工况下主轴空间位姿状态的高精度预测,验证了测量及建模方法的有效性.</description><subject>BP神经网络</subject><subject>坐标镗床主轴</subject><subject>模糊聚类分组</subject><subject>热误差</subject><subject>粒子群算法</subject><issn>1006-2467</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2016</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDAw0zUyMTPnYOAtLs5MMjA1NDYztzAz4GSwezp_15Ndfc83TXq6dsLzfUuer5v-bPPUJzv6nAKe7534fPec57Nans3Z9XRX15Mdu1_s3fK8ee2L9eufbl_3dPeuZysW8jCwpiXmFKfyQmluBiU31xBnD93kjPy89MLMvPT4gqLM3MSiyngzM0sDI1MjcyNjohQBAJwyTV4</recordid><startdate>2016</startdate><enddate>2016</enddate><creator>马驰赵亮梅雪松施虎杨军</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>~WA</scope></search><sort><creationdate>2016</creationdate><title>基于粒子群算法与BP网络的机床主轴热误差建模</title><author>马驰赵亮梅雪松施虎杨军</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_6690252723</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2016</creationdate><topic>BP神经网络</topic><topic>坐标镗床主轴</topic><topic>模糊聚类分组</topic><topic>热误差</topic><topic>粒子群算法</topic><toplevel>online_resources</toplevel><creatorcontrib>马驰赵亮梅雪松施虎杨军</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>上海交通大学学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>马驰赵亮梅雪松施虎杨军</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于粒子群算法与BP网络的机床主轴热误差建模</atitle><jtitle>上海交通大学学报</jtitle><addtitle>Journal of Shanghai Jiaotong University</addtitle><date>2016</date><risdate>2016</risdate><volume>50</volume><issue>5</issue><spage>686</spage><epage>695</epage><pages>686-695</pages><issn>1006-2467</issn><abstract>为了避免基于反向传播（BP）神经网络的主轴热误差模型精度低、通用性不强和收敛性较差等缺点,利用模糊聚类理论与相关分析法对温度变量进行优化,并且选取热敏感点以挖掘温度变量与热误差间的相关性,降低温度变量间的耦合性.利用粒子群优化算法（PSO）将预测输出与期望输出间误差平方和的倒数作为个体适应度函数,将个体头部分与身体部分的表现码分别映射为网络的隐含层节点数、权值和阈值,实现了对BP网络的拓扑结构的有效优化,通过跟踪个体极值和全局极值实现了粒子群个体速度与位置的更新.分别建立了基于BP和PSO-BP网络的热误差模型,以精密坐标镗床主轴为研究对象,采用五点法对高速主轴热误差进行测量.结果表明,PSO-BP模型可实现不同工况下主轴空间位姿状态的高精度预测,验证了测量及建模方法的有效性.</abstract></addata></record>
fulltext	fulltext
identifier	ISSN: 1006-2467
ispartof	上海交通大学学报, 2016, Vol.50 (5), p.686-695
issn	1006-2467
language	chi
recordid	cdi_chongqing_primary_669025272
source	Alma/SFX Local Collection
subjects	BP神经网络坐标镗床主轴模糊聚类分组热误差粒子群算法
title	基于粒子群算法与BP网络的机床主轴热误差建模
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-28T15%3A26%3A28IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%B2%92%E5%AD%90%E7%BE%A4%E7%AE%97%E6%B3%95%E4%B8%8EBP%E7%BD%91%E7%BB%9C%E7%9A%84%E6%9C%BA%E5%BA%8A%E4%B8%BB%E8%BD%B4%E7%83%AD%E8%AF%AF%E5%B7%AE%E5%BB%BA%E6%A8%A1&rft.jtitle=%E4%B8%8A%E6%B5%B7%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E9%A9%AC%E9%A9%B0%20%E8%B5%B5%E4%BA%AE%20%E6%A2%85%E9%9B%AA%E6%9D%BE%20%E6%96%BD%E8%99%8E%20%E6%9D%A8%E5%86%9B&rft.date=2016&rft.volume=50&rft.issue=5&rft.spage=686&rft.epage=695&rft.pages=686-695&rft.issn=1006-2467&rft_id=info:doi/&rft_dat=%3Cchongqing%3E669025272%3C/chongqing%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=669025272&rfr_iscdi=true